Meta platforms oggi
Meta Platforms (NASDAQ: META) ha recentemente visto un aumento del prezzo delle azioni, raggiungendo $613,97 con un incremento di $17,72 (+2,97%). Il range delle 52 settimane varia da $414,50 a $740,91. Il rendimento da dividendo è dello 0,34% e il rapporto P/E è di 25,67. L’obiettivo di prezzo è fissato a $718,31. Aggiungi alla tua lista di osservazione.
Un nuovo ed entusiasmante rapporto sul titolo Magnificent Seven, Meta Platforms, è stato recentemente pubblicato. Thomson Reuters (NYSE: TRI) ha riferito che Meta sta testando i propri semiconduttori per l’addestramento dei modelli di intelligenza artificiale. Questo è un tentativo diretto di ridurre la dipendenza dal produttore di unità di elaborazione grafica (GPU) NVIDIA (NASDAQ: NVDA).
Chip interni di Meta: cosa sono e perché Meta sta sfidando NVIDIA
Meta sta attualmente testando il suo primo chip realizzato internamente, specificamente per l’addestramento dell’intelligenza artificiale. L’addestramento AI si riferisce al costo generalmente una tantum e iniziale di insegnare a un modello di intelligenza artificiale come pensare e fare previsioni. Meta ha già utilizzato chip realizzati internamente per l’inferenza, che è il processo in cui un modello di intelligenza artificiale risponde effettivamente a una domanda o circostanza unica. Questo è ciò che accade, ad esempio, quando qualcuno pone una domanda a ChatGPT. Le aziende devono addestrare i modelli prima che possano eseguire l’inferenza.
Entrambi questi compiti richiedono un’enorme potenza di calcolo e costi energetici, ma avvengono in momenti diversi. L’addestramento richiede molti più costi di calcolo ed energia iniziali. Una volta che un’azienda ha addestrato un modello, i costi per ogni singola inferenza sono bassi. Tuttavia, poiché l’inferenza è continua, quei piccoli costi si sommano, potenzialmente creando un costo maggiore nel tempo.
Nel complesso, Meta sta cercando di ridurre i costi sia nell’addestramento che nell’inferenza. Ridurre i costi in entrambi è fondamentale. Meta vuole creare modelli migliori nel tempo attraverso l’addestramento e desidera che miliardi di utenti interagiscano con i suoi modelli attraverso l’inferenza, rendendo la riduzione dei costi una priorità.
L’inclinazione a farlo creando i propri chip interni ha senso, considerando il costo elevato delle GPU di NVIDIA. Il margine lordo di NVIDIA è stato quasi del 74% l’ultimo trimestre, il che dimostra il suo enorme potere di determinazione dei prezzi. I chip di NVIDIA sono principalmente utilizzati per l’addestramento e l’inferenza. Costruire chip interni introduce implicitamente più concorrenza per NVIDIA, il che significa che aziende come Meta non devono accettare e pagare qualsiasi prezzo che NVIDIA imponga.
L’energia gioca un ruolo fondamentale nell’avanzamento dei chip interni di Meta
I chip personalizzati dedicati all’intelligenza artificiale, come quello che Meta ha iniziato a utilizzare, possono offrire prestazioni più veloci e un consumo energetico inferiore rispetto alle GPU. Questo è vero per compiti di inferenza specializzati, anche se le GPU sono ancora leader nelle prestazioni generali di GenAI. Amazon (NASDAQ: AMZN) afferma che il suo chip personalizzato, Trainium2, offre un miglior rapporto prezzo-prestazioni del 30% al 40% rispetto alle GPU H100 di NVIDIA.
La MIT Sloan School of Management prevede che l’uso di energia da parte dei data center aumenterà notevolmente. Attualmente, i data center rappresentano l’1% del consumo energetico globale, e con l’aumento della domanda di intelligenza artificiale, questa cifra è destinata a crescere.
Fonte: Market Beatarticolo originale
